Запис Детальніше

New image pre-processing methods for tracking various biological objects movement

Репозитарій Вінницького Національного Технічного Університету

Переглянути архів Інформація
 
 
Поле Співвідношення
 
Title New image pre-processing methods for tracking various biological objects movement
Нові методи попередньої обробки зображень для відстеження переміщення множин біологічних об`єктів
Новые методы предварительной обработки изображений для отслеживания перемещения множества биологических объектов
 
Creator Нікольський, О. І.
Білинський, Й. Й.
Лазарєв, О. О.
Красиленко, В. Г.
 
Subject класифікація
процес відстеження
безліч біологічних об'єктів
алгоритми попередньої обробки зображень
порівняння зображень
классификация
процесс отслеживания
множество биологических объектов
алгоритмы предварительной обработки изображений
сравнение изображений
classification
tracking process
pattern matching
plurality of biological objects
pre-processing algorithms
 
Description Дослідження алгоритмів для відстеження динаміки руху різних біологічних об'єктів є актуальним. На вибір оптимальних методів і алгоритмів відстеження об'єктів, для конкретного завдання, сильно впливають особливості і характеристики цих об'єктів і умови їх візуалізації. Тому, щоб автоматизувати процеси адаптації алгоритмів розпізнавання-відстеження, в статті розглядаються кілька варіантів алгоритмів для стеження за об'єктами реалізованими в проектах Labview. Специфіка цих об'єктів, умови їх візуалізації і параметри моделі сильно впливають на вибір методів і алгоритмів, які є оптимальними для конкретного завдання. Тому в цій статті для автоматизації процесів адаптаційних алгоритмів розпізнавання-відстеження запропоновано кілька алгоритмів попередньої обробки кадрів з використанням інструментів NI Labview і Vision Assistant. Попередня обробка включала вирівнювання загальної фонової яскравості зображення, усунення високочастотного шуму і різних артефактів (виділені області, проміжки, переломи) з вихідного зображення, контрастності, порогового значення, бінаризації і інших функціональних перетворень. Проекти дозволяють швидко змінювати шаблони для навчання і перепідготовки системи. Вони адаптуються до швидкості об'єктів і статистичних характеристик шуму в зображеннях. У статті обговорюються нові методи попередньої обробки зображень для алгоритмів, які відстежують динаміку руху різних біологічних об'єктів. Будуть представлені і проаналізовані експерименти, проведені для тестування трекерів на реальних відеофайлах.
Исследование алгоритмов для отслеживания динамики движения различных биологических объектов является актуальным. На выбор оптимальных методов и алгоритмов отслеживания объектов, для конкретной задачи, сильно влияют особенности и характеристики этих объектов и условия их визуализации. Поэтому, чтобы автоматизировать процессы адаптации алгоритмов распознавания-отслеживания, в статье рассматриваются несколько вариантов алгоритмов для слежения за объектами, реализованными в проектах Labview. Специфика этих объектов, условия их визуализации и параметры модели сильно влияют на выбор методов и алгоритмов, которые являются оптимальными для конкретной задачи. Поэтому в этой статье для автоматизации процессов адаптационных алгоритмов распознавания-отслеживания предложено несколько алгоритмов предварительной обработки кадров с использованием инструментов NI Labview и Vision Assistant. Предварительная обработка включала выравнивание общей фоновой яркости изображения, устранение высокочастотного шума и различных артефактов (выделенные области, промежутки, переломы) из исходного изображения, контрастности, порогового значения, бинаризации и других функциональных преобразований. Проекты позволяют быстро менять шаблоны для обучения и переподготовки системы. Они адаптируются к скорости объектов и статистическим характеристикам шума в изображениях. В статье обсуждаются новые методы предварительной обработки изображений для алгоритмов, отслеживающих динамику движения различных биологических объектов. Будут представлены и проанализованы эксперименты, проведенные для тестирования трекеров на реальных видеофайлах.
The algorithms to tracking of movement dynamics of various biological objects now it is actually to studying. Features and characteristic of objects, conditions of their visualization strongly influence the choice of optimal methods and algorithms for a specific task it they tracking. Therefore, to automate the processes of adaptation of recognition-tracking algorithms, several Labview project trackers are considered in the article. Specificity of these objects, conditions of their visualization and model parameters strongly influence the choice of methods and algorithms, which are optimal for a specific task. Therefore, in this article, in order to automate the processes of adaptation algorithms of recognition - tracking, we suggest several frames pre-processing algorithms using NI Labview tools and Vision Assistant. Preprocessing included equalization of general background luminance of the image, elimination of high-frequency noise and different artifacts (highlighted areas, gaps, fractures, etc.) from the original image, contrasting, thresholding, binarization and other functional transformations. Projects allow changing templates for training and retraining the system quickly. They adapt to the speed of objects and statistical characteristics of noise in images. New pre-processing methods image for algorithms tracking of movement dynamics of various biological objects will be discussed. The experiments carried out to test the trackers on real video files will be presented and analyzed.
 
Date 2019-05-14T07:02:31Z
2019-05-14T07:02:31Z
2018
 
Type Article
 
Identifier New image pre-processing methods for tracking various biological objects movement [Текст] / О. І. Нікольський, Й. Й. Білинський, О. О. Лазарєв, В. Г. Красиленко // Інформаційні технології та комп'ютерна інженерія. – 2018. – № 1. – С. 11-20.
1999-9941
2078-6387
http://ir.lib.vntu.edu.ua//handle/123456789/24736
004.932.2
 
Language en
 
Relation Інформаційні технології та комп`ютерна інженерія. №. 1 : 11-20.
https://itce.vntu.edu.ua/index.php/itce/article/view/702
WHO laboratory manual for the examination and processing of human semen. —5-d edition. —World Health Organization, 2010. —ISBN 978 92 4 1547789[Електронний ресурс] -Режимдоступу: URL: http://apps.who.int/iris/bitstream/10665/44261/1/9789241547789_eng.pdf
Dhawale A. P.“Real-Time Image Processing for Biological Applications Through Morphological Oper-ations using LabVIEW”/A. P. Dhawale, S. R.Hirekhan//International Journal of Engineering Research & Technology (IJERT)-Vol. 3 Issue 5, May –2014, p.1262-1265
Gonal J. S. “Morphological Segmentation of the Brain Tumors by Using Image Processing and Lab-VIEW” /J. S. Gonal, V. V. Kohir // XInternational Journal of Engineering Research & Technology (IJERT) -Volume 4, Special Issue, March 2015, p.334-341
Razali Tomari “Development of red blood cell analysis system using NI Vision Builder AI”/ Razali Tomari, Jalil Lias, Rabiatuladawiah Musa and Wan Nurshazwani Wan Zakaria // ARPN Journal of Engineering and Applied Sciences -Vol. 10, NO 19, October, 2015, p.8692-8698
Krasilenko Vladimir G. "Equivalent models of neural networks and their effective optoelectronic im-plementations based on matrix multivalued elements"/ Vladimir G. Krasilenko, Anatoly K. Bogukhvalsky, An-drey T. Magas // Proceedings of SPIE -Vol. 3055, pp. 127-136.
Krasilenko Vladimir G. "Application of nonlinear correlation functions and equivalence models in ad-vanced neuronets"/ Vladimir G. Krasilenko, Oleg K. Kolesnitsky, Anatoly K. Bogukhvalsky // Proceedings of SPIE -Vol. 3317, pp. 211-222
Krasilenko Vladimir G. "Continuous logic equivalence models of Hamming neural network architec-tures with adaptive-correlated weighting" /Vladimir G. Krasilenko, Felix M. Saletsky, Viktor I. Yatskovsky, Karim Konate // Proceedings of SPIE -Vol. 3402, pp. 398-408
Krasilenko Vladimir G. "Optical pattern recognition algorithms on neural-logic equivalent models and demonstration of their prospects and possible implementations" / Vladimir G. Krasilenko, Aleksandr I. Ni-kolskyy, Alexandr V. Zaitsev, Victor M. Voloshin // Proceedings of SPIE -Vol. 4387, pp. 247-260.
Krasilenko Vladimir G. "Prospects of liqud crystal structures application in instrumental realizations of neural network matrix-tensor equivalental models (MTEM)" / Vladimir G. Krasilenko, A. E. Nikolsky, M. Y. Bilynska, A. L. Pastushenko // Proceedings of SPIE -Vol. 4938, pp. 212-222.
Krasilenko Vladimir G. "Design and simulation of a multiport neural network heteroassociative memory for optical pattern recognitions"/ Vladimir G. Krasilenko, Alexander A. Lazarev, Svetlana K. Grabovlyak // Proceedings of SPIE -Vol. 8398.
Krasilenko Vladimir G. "Recognition algorithms of multilevel images of multicharacter identification objects based on nonlinear equivalent metrics and analysis of experimental data" / Vladimir G. Krasilenko, Ale-ksandr I. Nikolskyy, Yuriy A. Bozniak // Proceedings of SPIE -Vol. 4731, pp. 154-163.
Krasilenko Vladimir G. "Using a multi-port architecture of neural-net associative memory based on the equivalency paradigm for parallel cluster image analysis and self-learning" / Vladimir G. Krasilenko, Alexander A. Lazarev, Svetlana K. Grabovlyak, Diana V. Nikitovich// Proceedings of SPIE -Vol. 8662.
Krasilenko Vladimir G. "Modeling optical pattern recognition algorithms for object tracking based on nonlinear equivalent models and subtraction of frames"/ Vladimir G. Krasilenko, Aleksandr I.Nikolskyy, Alex-ander A. Lazarev // Proceedings of SPIE -Vol. 9813.
National Instruments [Електронний ресурс] -Режим доступу: URL: http://www.ni.com/
 
Format application/pdf
 
Publisher ВНТУ